船舶信息查询对于整个航运产业链发挥着至关重要的作用,也是许多船舶服务平台的基础功能。然而,传统的船舶信息查询往往只是机械地比对查询词和数据库数据之间的匹配关系,将结果直接罗列给用户,并不能智能地理解用户的真正意图,提供更精准和更具关联性的知识。针对这一问题,本文深入研究了船舶信息智能查询技术,利用最新的深度学习和机器翻译方法构建AIS拼音到中文汉字的翻译模型,以解决船舶的多方式智能匹配问题,并在船舶、港口以及航线等数据的基础上构建船舶信息的中文知识图谱,最终实现船舶信息的智能查询。归纳起来,本文的工作主要包括:(1)分析船舶信息智能查询存在的主要问题,结合目前国内外机器翻译和知识图谱技术研究现状,提出可行的技术方案;(2)构建形式规范的船舶信息语料库,包括用于AIS拼音船名与中文汉字船名对应的语料库,以及船舶与港口、航线、贸易区等关联信息的知识图谱语料库;(3)构建基于Transformer与隐马尔可夫链(HMM)结合的智能船名翻译模型,实现了 AIS拼音船名到中文船名的精准翻译,解决了 AIS信息与其他船舶信息的智能匹配。在基于船讯网船舶库的语料库数据集上训练和测试,该模型最终准确率达到了98.92%,在相同数据集上明显优于基于SMT和Seq2Seq的船名翻译模型;(4)根据船舶相关信息之间的属性关联,将船舶、港口、航线、运营公司、贸易区和国家等信息实体化并连接形成知识图谱,进而构建船舶信息查询模型,实现船舶信息的智能查询,解决精准回答和高效多模态搜索问题。综上所述,本文利用最新的深度学习与机器翻译结合的方法,研究并构建AIS拼音船名到汉字船名的智能翻译模型,并进一步利用知识图谱研究和构建了船舶信息的智能查询模型,是人工智能在航运领域应用的有益尝试,不仅具有理论意义,对于提升航运信息的服务水平亦具有一定实用价值。